Producto Interno y Ortogonalidad

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Producto Interno y Ortogonalidad"

Transcripción

1 Producto Interno y Ortogonalidad Departamento de Matemáticas, CSI/ITESM 15 de octubre de 2009 Índice 8.1. Contexto Introducción Un producto punto mediante la traza Propiedades del producto punto La norma de una matriz Propiedades de la norma de matrices Desigualdad de Schwarz La distancia entre dos matrices Ángulo entre matrices Ortogonalidad y espacios generados Bases Ortonormales Existencia de Bases Ortonormales Proyección ortogonal Descomposición QR Aplicación de la factorización QR Uso de la TI Contexto Hemos mencionado que el problema fundamental del álgebra lineal consiste en resolver un sistema de ecuaciones lineales A x = b y hemos introducido varios conceptos sofisticados para manejar la solución y el análisis. El concepto de espacio generado resuelve el problema de la consistencia: El sistema es consistente si y sólo si b C(A) (el espacio generado por las columnas de A). Otro concepto importante es el concepto de dependencia lineal y resuelve el problema de la unicidad: Si el sistema Ax = b es consistente, entonces Ax = b tiene infinitas soluciones si y sólo si las columnas de A forman un conjunto linealmente dependiente. Los conceptos de dimensión y de base de un espacio lineal permiten tener una idea qué tan grande es el conjunto solución y cómo generarlo: Si el sistema Ax = b es consistente, entonces la fórmula de todas las soluciones es y = y o + ns(a) donde y o es una solución particular y ns(a) es el espacio nulo de A, es decir, el conjunto de todos los vectores que satisfacen Ax = 0. De hecho, si B = {x 1,...,x r } es una base para ns(a), entonces la solución general será r y = y o + c i x i y esta será la solución general en su forma más reducida posible. El caso consistente ha dado origen a toda la teoría que hemos visto hasta ahora. Pasemos ahora a la inconsistencia. De alguna forma debemos cambiar la pregunta por que el tema se agotó: Si es Ax = b inconsistente, entonces no hay solución. Una forma adecuada de reformular la pregunta es: No habiendo solución para Ax = b, qué es lo más cerca posible que podemos i=1

2 estar de una solución? Esto involucra dos conceptos hermanados: distancia y perpendicularidad. Y ellos tienen como origen el concepto de producto interno o producto punto que es el tema de esta lectura Introducción En esta lectura veremos cómo definir un producto punto o producto interno en espacios de matrices (pues tenga presente que nos interesa el paso de Ax = b a AX = B también en el caso inconsistente). Veremos que aunque en un principio la definición del producto punto apartir del uso de la traza sea extraña, esta definición es de lo más cómoda porque hace coincidir el producto punto entre matrices con el producto punto tradicional entre vectores cuando las matrices son vectorizadas. La estructura clásica de la construcción del Algebra Lineal referente al producto interno es: definir un producto interno, probar ciertas propiedades básicas, estas propiedades incluyen en concepto de ortogonalidad, y entonces mostrar que se puede definir una norma a partir del producto interno; para llegar la definir una distancia con la norma se requiere probar la desigualdad de Cauchy-Schwarz. Cuando se dice que se tiene una distancia en el espacio lineal se tiene el concepto de cercanía y el de error. Las propiedades importantes que deben ser deducidas para que la distancia definida sea cabalmente una distancia son de identidad (que si la distancia entre dos objetos es cero, entonces los objetos son idénticos), de simetría (que la distancia medida de un objeto a otro es independiente de cual de los dos sea el punto de referencia), la desigualdad del triángulo (la distancia entre dos puntos no excede la suma de las distancias de uno de ellos a otro intermedio mas la distancia de ese intermedio al segundo punto; y habrá igualdad cuando el punto intermedio esté en el segmento que une ambos puntos). El proceso de Gram-Schmidt será la clave para encontrar una base para C(A) desde donde será fácil encontrar el punto más próximo de C(A) a b y allí a la mejor solución posible a Ax = b Un producto punto mediante la traza El producto punto entre matrices se define apartir del producto, la transpuesta y la traza entre y de matrices. En apariencia complejo, veremos su conveniencia y facilidad posteriormente. Definición Sean A y B dos matrices m n, el producto interno o producto punto de A y B se define como: Ejemplifiquemos el cálculo de productos punto. Ejemplo 1 Determine A B si Solución Por tanto: [ A B = A = A B = tr ( A B ) (1) , B = ([ A B = tr = [ ) = = 30 Toca el turno al alumno para ejercitar el concepto del producto punto entre matrices de la misma dimensión. Ejercicio 1 2

3 Para las matrices siguientes calcule A B. [ [ A = y B = [ [ A = y B = A = 3 1 y B = Propiedades del producto punto El camino tradicional para ver que un producto es efectivamente candidato a producto interno con escalares reales es probar que es: conmutativo, no negativo, y bilineal: Teorema 8.1 Sean A, B y C matrices m n y sea k un escalar. Entonces el producto punto cumple las siguientes propiedades: 1. Simetría: A B = B A 2. No negatividad: A A 0, habiendo igualdad ssi A = 0 3. Proporcionalidad: (ka) B = k (A B) 4. Distributividad: (A + B) C = A C + B C 5. 0 A = 0 Demostración 1. Directo de la definición: 2. De la sección anterior: Además, A A = 0 ssi A B = tr (A B) = tr ( (A B) ) = tr (B A) = B A A A = tr (A A) = m i=1 n j=1 a2 ij 0 m i=1 j=1 n a 2 ij = 0 ssi a ij = 0 para todo i = 1...m y j = 1...n ssi A = 0 No sea impaciente; Ud. participará en el festín de mini-demostraciones: Ejercicio 2 Demuestre el punto 3 del teorema anterior: Sean A y B matrices m n y sea k un escalar. Pruebe que: (ka) B = k (A B) Utilice la definición de, la propiedad de la transpuesta, y la propiedad 1 del Lema

4 Ejercicio 3 Demuestre el punto 4 del teorema anterior: Sean A, B y C matrices m n. Pruebe que: (A + B) C = A C + B C Utilice la definición de, la propiedad de la transpuesta, y la propiedad 2 del Lema 5.1. Ejercicio 4 Demuestre el punto 5 del teorema anterior: Sea A una matriz m n. Pruebe que: 0 A = La norma de una matriz Habiendo probado las propiedades mencionadas del producto interno nuevo, el siguiente paso es definir la norma de una matriz. En el espacio de matrices hay un buen número de normas igualmente útiles, la norma que se define aquí es la norma-2 de una matriz. Definición La norma de la matriz A m n se define como: A 2 = A = A A (2) Observe que por el punto 2 del teorema anterior, A A 0; así que la raíz cuadrada entregará un real mayor o igual a cero. Hagamos un ejemplo del cálculo de la norma de una matriz. Ejemplo 2 Determine la norma de la matriz: 3 1 A = Solución Como Así [ A A = [ A A = tr y por tanto, A = 43 Es su turno de practicar el cálculo de la norma de una matriz. Ejercicio 5 [ = =

5 Para las matrices siguientes calcule su norma. [ A = 3 1 [ A = A = Un hecho importante sobre la norma de una matriz es: A = tr ( A A ) m = i=1 j=1 n (a ij ) 2 Lo cual hace coincidir la definición tradicional de norma de un vector con la norma de una matriz cuando la matriz es utilizada para formar un solo vector formado por los renglones de ella. Algo más importante de observar es que el producto punto entre matrices usando la traza equivale al producto punto tradicional aplicado a los vectores obtenidos de vectorizar las matrices. Ejemplo 3 Verifiquemos la afirmación en el caso de matrices 2 2. Comprobación Digamos que [ [ a11 a A = 12 b11 b B = 12 a 21 a 22 b 21 b 22 Así De donde [ A a11 b B = 11 + a 21 b Propiedades de la norma de matrices 1/2 a 12 b 12 + a 22 b 22 A B = (a 11 b 11 + a 21 b 21 ) + (a 12 b 12 + a 22 b 22 ) Habiendo definido la norma de una matriz, lo siguiente es probar algunas propiedades básicas. Teorema 8.2 Sea A una matriz m n y k un escalar: 1. A 0, además A = 0 ssi A = 0 2. A = A 3. ka = k A Demostración 1. De lo visto A = m A A = i=1 j=1 n (a ij ) 2 1/2 0 5

6 Y también de lo mismo se deduce que A = 0 ssi A = Por las propiedades conocidas: ka = (ka) (ka) = k 2 A A = k A A = k A El segundo punto es el más sencillo y le queda hacerlo como ejercicio Ejercicio 6 Demuestre el punto 2. del teorema anterior: Sea A una matriz m n. Pruebe que: A = A Use directamente la definición de la magnitud de una matriz Desigualdad de Schwarz En la línea tradicional, el siguiente paso para ver que nuestro producto punto llega a definir una distancia a través de la definición de la norma, es probar que nuestro producto punto y la norma cumplen una relación de desigualdad llamada la desigualdad de Cauchy-Schwarz. Teorema 8.3 Sean A y B matrices m n: A B A B (3) Además, la igualdad se tiene si y sólo si una matriz es un múltiplo de la otra. Demostración En esta demostración es importante que vigile el rol de los factores en los productos: en los productos los factores en ambos lados deben ser matrices, mientras en los productos el factor a la izquierda es escalar y el factor a la derecha debe ser una matriz. Para cualesquiera escalares x y y: 0 (x A y B) (x A y B) = x 2 A 2 2xy (A B) + y 2 B 2 Suponiendo B 0, tomamos x = B y y = (A B)/ B en la fórmula anterior y simplificando muchos términos obtenemos: 0 B 2 A 2 (A B) 2 De donde se obtiene: (A B) 2 B 2 A 2 y tomando raíz cuadrada se obtiene la conclusión. Recuerde que un real k, k 2 = k y no que k 2 = k pues para los valores de k negativos el signo se pierde al elevar al cuadrado. Además, si A = k B se tiene que A = k B y así A B = k (B B) = k B 2 = A B probado que la desigualdad se cumple con igualdad en este caso. Por otro lado, si A B = A B definimos C = B 2 A (A B) B 6

7 se puede confirmar que desarrollando el producto término a término: C C = 0, implicando que C = 0, de donde B 2 A = (A B) B si suponemos B 0 deducimos que A = (A B) B 2 lo que dice que A es un múltiplo de B. Si B = 0, claramente B = 0 A y la desigualdad se cumple con igualdad Ejercicio 7 Sean A y B dos matrices m n. Demuestre que B A + B A + B y que existe igualdad sólo cuando una matriz es un múltiplo escalar de la otra. Utilice A + B 2 = (A + B) (A + B) Desarrolle tal producto punto. Después utilice la desigualdad de Schwarz. Finalmente, tome raíz cuadrada. Para la igualdad se requiere igualdad en la desigualdad de Schwarz. Lema 8.4 Sean X y Y dos matrices m n. Entonces X y Y son ortogonales, es decir, cumplen X Y = 0 si y sólo si X ± Y 2 = X 2 + Y 2 Demostración Tenemos en general que X ± Y 2 = (X ± Y) (X ± Y) = X X ± 2X Y + Y Y = X 2 + Y 2 ± 2X Y Por tanto, si X Y = 0 entonces de la fórmula anterior se deduce la igualdad que queremos probar. Por otro lado, si la fórmula se cumple nuestra fórmula indica que X Y = 0. Es decir X y Y son perpendiculares La distancia entre dos matrices Habiendo probado la desigualdad de Cauchy-Schwarz se puede construir una función distancia entre el espacio de matrices: Definición Sean A y B dos matrices m n la distancia entre matrices A y B se define como: Realicemos un ejemplo simple para ilustrar este concepto. Determine la distancia entre las matrices: 3 1 A = 2 0 B = 5 2 δ (A,B) = A B (4)

8 Solución Si Así C C = C = A B = [ = [ δ(a,b) = C = C C = tr (C C) = = 5 Ejercicio 8 Determine la distancia entre las matrices: A = 2 1 y B = 5 2 [ A = y B = 5 2 Ejercicio [ Sean A y B dos matrices de iguales dimensiones. Pruebe que: δ(a,b) = δ(b,a) Use directamente la definición de distancia entre matrices. Utilice también la propiedad conmutativa del producto punto. Ejercicio 10 Sean A y B dos matrices de iguales dimensiones. Pruebe que: δ(a,b) 0 Además, pruebe que hay igualdad si y sólo si A = B. Utilice la definición de distancia entre matrices y la propiedad 1 del teorema 6.2 sobre la norma para matrices. Ejercicio 11 Sean A, B y C dos matrices de iguales dimensiones. Pruebe que: δ(a,b) δ(a,c) + δ(c,b) Vea que existe igualdad si sólo si existe un escalar t (0 t 1) tal que C = ta + (1 t)b. Esta desigualdad se llama Desigualdad del triángulo. Utilice como válido el resultado del ejercicio 7 con A como A C y con B como C B. 8

9 Ejercicio 12 Sean A, B y C dos matrices de iguales dimensiones. Pruebe que: δ(a,b) = δ(a + C,B + C) Esta propiedad indica que la distancia entre matrices se preserva ante traslaciones. Directamente de la definición de distancia Ángulo entre matrices Definición Sean A y B dos matrices m n, no nulas, el ángulo entre matrices A y B, θ, se define como cos (θ) = A B A B (5) Aquí θ debe cumplir: 0 θ π. Ejemplo 4 Determine el ángulo en radianes entre las matrices 3 1 A = 2 0, B = 5 2 Solución Como Entonces Ejercicio 13 cos (θ) = A B = 2, A = 43, B = 22 Determine el ángulo en radianes entre las matrices [ 3 1 A = , por tanto θ 1.63 radianes, B = [ Ejercicio 14 Determine el valor de x para que el ángulo en radianes entre las matrices [ [ A =, B = x sea de 0.1. Entréle sin miedo: A B es una expresión lineal en x. B es una raíz cuadrada de un polinomio cuadrático en x. Cuando se iguala: cos (0.1rad) = A B A B después de elevar al cuadrado y multiplicar por denominadores queda una ecuación cuadrática en x. 9

10 8.10. Ortogonalidad y espacios generados Sean A y B dos matrices m n, se dice que son matrices ortogonales si se cumple A B = 0 Un conjunto {A 1,A 2,...,A k } de matrices m n se dice conjunto ortogonal si A i A j = 0 para i j El conjunto anterior se dice ortonormal si es ortogonal y además cada matriz tiene norma 1. Una vez que se tiene un conjunto ortogonal de elementos no cero {A 1,A 2,...,A k } es posible convertirlo a uno ortonormal definiendo: {B 1,B 2,...,B k } B i = 1 A i A i Ejercicio 15 Determine el valor de x para que las matrices sean ortogonales. [ [ A =, B = x Al hacer A B = 0 queda una ecuación lineal en x. Ejercicio 16 Determine qué condición deben cumplir las variables para que A B. [ [ 3 1 x y A =, B = 5 2 z w Al hacer A B = 0 queda una ecuación lineal. Ejercicio 17 Sea A una matriz m n muestre que el conjunto A = {X matriz m n A X} es un espacio lineal. Al hacer A X = 0 queda una ecuación homogénea. Las soluciones a los sistemas homogéneos son espacios lineales. Ejercicio 18 10

11 Determine el espacio perpendicular a la matriz: [ Escíbalo como un espacio generado. Tome una matriz X 2 2 con incógnitas. Al hacer A X = 0 queda una ecuación homogénea con 4 incógnitas; una de ellas es fija y las otras son libres. Despeje la fija y póngala en función de las libres. En lugar de la notación de vector en la solución general, prefiera la notación de matriz. Ejercicio 19 Sea V un subespacio lineal de matrices m n muestre que el conjunto es un espacio lineal. Muestre que V = {X matriz m n Y X para toda Y V } no es vacío: la matriz de ceros está (compruébelo), es cerrado bajo la suma (compruébelo), y es cerrado bajo el producto por escalares (compruébelo). Ejercicio 20 Determine el espacio perpendicular al espacio generado por las matrices matrices: [ [ A = y B = Tome una matriz X 2 2 de incógnitas: A X = 0 da una ecuación en las incógnitas B X = 0 da otra ecuación en las incógnitas Resuelva el sistema homogéneo, encuentre la solución general y déle la notación matricial. Veamos ahora un par de resultados teóricos: Lema 8.5 Un conjunto ortogonal de matrices no nulas es linealmente independiente Demostración Si {A 1 A 2,...,A k } es un conjunto ortogonal de matrices no nulas y si se cumple: c 1 A 1 + c 2 A c k A k = 0 11

12 veamos que los coeficientes c i son cero. Haciendo el producto punto con A i : A i (c 1 A 1 + c 2 A c k A k ) = A i 0 = 0 Desarrollando el primer miembro: A i (c 1 A 1 ) + A i (c 2 A 2 ) + + A i (c k A k ) = 0 Como el conjunto es ortogonal entonces A i A j = 0 para i j, la expresión anterior queda: c i A i A i = 0 Puesto que ninguna matriz A i es nula, A i A i 0,la expresión anterior queda: c i = 0 Así, cada coeficiente en la combinación lineal es cero. Por tanto, el conjunto de matrices es linealmente independiente. Cuando se quiere verificar que una matriz es ortogonal al generado por un conjunto de matrices enfrentámos un dilema singular, cómo hacer pues en el generado resulta en conjuntos infinitos? El siguiente resultado es importante porque reduce una verificación infinita a una verificación sobre el conjunto generador: Lema 8.6 Sea A una matriz y V = Gen{B 1,...,B k } en M m n. Entonces: A es ortogonal a todo V si y sólo si A es ortogonal a cada B i. Demostración Suficiencia: Si suponemos que A es ortogonal a todo V y sabiendo que cada B i está en V, entonces es inmediato que A es ortogonal a B i. Necesidad: Supongamos ahora que A es ortogonal a todo B i, es decir que A B i = 0 para todo i = 1,...,k. Veamos que entonces es ortogonal a cualquier X de V. Tomemos un X cualquiera de V. Como V está generado por los B i, entonces deben existir escalares c i tales que Por tanto, Por tanto, A es ortogonal a X k X = c k B i i=1 A X = A ( k i=1 c k B i ) = k i=1 A (c k B i ) = k i=1 c i(a B i ) = k i=1 c i(0) = Bases Ortonormales El siguiente resultado es importante porque permite cambiar la base de un espacio generado por otra que es ortogonal. La misma demostración del resultado da el algoritmo de conversión. Teorema

13 Sea un conjunto {A 1,A 2,...,A k } de matrices m n linealmente independiente. Entonces existen escalares únicos x i,j (i < j) tales que: B 1 = A 1 B 2 = A 2 x 1,2 B 1 B j B k forman un conjunto ortogonal.. = A j x 1,j B 1 x 2,j B 2 x j 1,j B j 1. = A k x 1,k B 1 x 2,k B 2 x k 1,k B k 1 Demostración Definimos los valores escalares x i,j como precisamente se requieren: x i,j = A j B i B i B i (6) Ud. puede recordarlos si ubica que el primer subíndice de x ij se relaciona a las matrices por construir B i y que ésta es la que aparece en el denominador con el producto punto con si misma. Un punto importante a observar es que los {A 1,A 2,...,A j } son combinaciones lineales de los {B 1,B 2,...,B j } y por consiguiente el conjunto de los Bs es linealmente independiente. Para verificar que el conjunto es ahora ortogonal hay que realizar los productos punto. Conviene hacer una demostración inductiva de la afirmación. La afirmación es que el conjunto {B 1,...,B k } es ortogonal. Esta afirmación sería la afirmación última de la cadena de afirmaciones {B 1,...,B i } para i = 2, 3,...,k. La base inductiva para i = 2 se comprueba revisando que B 1 y B 2 son ortogonales: B 2 B 1 = A 2 B 1 x 1,2 B 1 B 1 = A 2 B 1 A 2 B 1 B 1 B 1 B 1 B 1 = 0 Supongamos que {B 1,...,B i } es un conjunto ortogonal para 1 i k 1, veamos {B 1,...,B i,b i+1 } también lo será. Para ello basta probar que B i+1 es ortogonal a cada B j para 1 j i. Como Así B i+1 = A i+1 i x l,i+1 B l l=1 ( B i+1 B j = A i+1 ) i l=1 x l,i+1b l B j = A i+1 B j i l=1 x l,i+1b l B j = A i+1 B j x j,i+1 B j B j = 0 Note que en el penúltimo paso fue requerida la base inductiva: que B j era ortogonal a sus compañeros en {B 1,...,B i }. Ejemplo 5 Aplique el algoritmo anterior al conjunto formado por las matrices: A 1 = [ ,A 2 = [ ,A 3 = [ Solución B 1 = A 1 13

14 Figura 1: Captura de la matrices vectorizadas del ejemplo 7. Figura 2: Obtención del conjunto ortogonal del ejemplo 7. Realizando los cálculos: Obtenemos: Y así: B 1 B 1 = 2 y A 2 B 1 = 2;x 12 = 1 [ 0 1 B 2 = A 2 x 12 B 1 = 0 0 B 2 B 2 = 1;A 3 B 1 = 1;A 3 B 2 = 1; x 13 = 1/2, x 23 = 1; [ B 3 = A 3 x 13 B 1 x 23 B 2 = 1/2 0 1/2 2 Estos cálculos pueden hacerse en la calculadora TI, para ello habrá que vectorizar las matrices y seguir las fórmulas: en la figura 1 aparecen capturadas las matrices como vectores y en la figura 2 aparecen los cálculos del algoritmo de ortogonalización. Ejemplo 6 Aplique el algoritmo anterior al conjunto formado por las matrices: [ [ [ A 1 =,A =,A = 0 2 Solución B 1 = A 1 B 1 B 1 = 2 y A 2 B 1 = 4;x 12 = 2 [ 0 0 B 2 = A 2 x 12 B 1 = 0 0 este cálculo indica que vector A 2 es combinación lineal de los vectores anteriores a él y por tanto el conjunto original es linealmente dependiente. Debemos descartar al vector A 2. Realizando solo el cálculo: A 3 B 1 = 1; 14

15 Obtenemos: Y así: x 13 = 1/2 [ B 3 = A 3 x 13 B 1 = 1/2 1 1/2 2 Ejercicio 21 Aplique el algoritmo anterior al conjunto formado por las matrices: [ [ [ A 1 =,A =,A = 0 2 Siga el algoritmo; no hay de otra Existencia de Bases Ortonormales EL resultado anterior se conoce como el procedimiento de Gram-Schmidt, y permite cambiar una base por una base ortogonal, de donde es fácil obtener una base ortonormal: Teorema 8.8 Todo espacio lineal de matrices m n posee una base ortonormal Demostración Sabemos que todo espacio lineal posee una base, digamos {A 1,...,A k }. Sean lo B j los las matrices obtenidas de aplicar el proceso de Gram-Schmidt. Los espacios generado por los B i y los A i son iguales pues las matrices B i son combinaciones lineales de los vectores A i y viceversa. Así, los conjuntos generados son los mismos. Si las matrices A i forman un conjunto linealmente independiente, también lo debe ser el conjunto formado por los B i. Por tanto, el conjunto formado por los B i es también una base para el espacio generado por los A i. Una ventaja inmediata de una base ortonormal {A 1,A 2,...,A k } es que si A es una combinación lineal de las matrices anteriores entonces: A = (A A 1 )A 1 + (A A 2 )A (A A k )A k es decir, que no hace falta utilizar el proceso de eliminación gaussiana para determinar los coeficientes, si no simplemente hacer un producto punto con el vector correspondiente. Una consecuencia también inmediata es que se puede completar un conjunto linealmente independiente y ortogonal a una base ortogonal en un espacio lineal de matrices m n. Una forma conviente es aplicar el proceso de Gram-Schmidt al conjunto li y ortogonal aumentado con una base cualquiera del espacio y detener el proceso hasta obtener el primer vector cero. El resultado esperado debe ser el conjunto inicial adicionado con algunos vectores. Este conjunto debe ser una base para el espacio completo. 15

16 8.13. Proyección ortogonal Teorema 8.9 Sea Y una matriz m n y un espacio lineal V de dimensión r, ambos dentro de un espacio lineal U. Entonces, existe una única matriz Z en V tal que (Y Z) V. Si r = 0 entonces Z = 0, y si r > 0 entonces Z se puede expresar como Z = c 1 X c r X r, donde {X 1,...,X r } forman una base ortonormal de V y c i = Y X i para i = 1,...,r. Además, Z = Y si y sólo si Y V. La matriz Z se llamará la proyección ortogonal de Y sobre V y cumple que d(z, Y ) d(x, Y ) para toda X en V y hay igualdad si y sólo si Z = X. Demostración Si r = 0 entonces dim(v ) = 0, y por tanto V = {0}. Para Z = 0 se tiene (Y Z) V. Y es claramente la única matriz en V que cumple esto. Si r > 0 sea {X 1,...,X r } una base ortonormal de V y definamos c i = Y X i para i = 1,...,r y Z = r i=1 c ix i. Claramente, Z V y ( ) r Y c i X i X j = Y X j c j = c j c j = 0 i=1 para cada j = 1,...,r. Y por tanto, (Y Z) V. Si ahora X V y cumple (Y X) V entonces: (X Z) (X Z) = (X Y + Y Z) (X Z) = (Y X) (X Z) + (Y Z) (X Z) = = 0 Esto debido a que X Z V y a que (Y Z) (X Z) = 0. Por tanto, X Z = 0 y de allí que X = Z, haciendo que Z sea el único vector en V que cumple (Y Z) V. Si X es una matriz en V entonces X Z también está en V y por tanto X Z será ortogonal a Y Z. De donde deducimos que de donde X Y 2 = X Z 2 + Y Z 2 d(x,y) 2 = d(x,z) 2 + d(y,z) 2 y por tanto d(z,y) d(x,y). Y esto se cumple con igualdad si y sólo si X = Z Ejercicio 22 Considere el espacio lineal formado por todas las soluciones al sistema homogéneo: y el vector d =< 1, 3, 2, 1 >. x + y + z w = 0 x y z + w = 0 Usando el orden primero x, luego y, luego z, y por último w, encuentre una base para el espacio solución. Ortogonolice la base encontrada. 16

17 Usando la base encontrada, determine la proyección ortogonal de d sobre tal espacio. Usando el orden primero y, luego w, luego y, y por último z, encuentre una base para el espacio solución. Ortogonolice la base nueva base. Usando la nueva base encontrada, determine la proyección ortogonal de d sobre tal espacio Descomposición QR Sea A una matriz m k de rango columna completo. Esto es, una matriz de rango k. Simbolicemos por a 1,a 2,...,a k las columnas de la matriz A. Por el resultado anterior, deben existir escalares x i,j (i < j = 1,...,k) tales que los vectores columna b 1,...,b k definidos en forma recursiva por las igualdades: o por las igualdades: b 1 = a 1 b 2 = a 2 x 1,2 b 1 b j b k. = a j x 1,j b 1 x j 1,j b j 1. = a k x 1,k b 1 x k 1,k b k 1 a 1 = b 1 a 2 = b 2 + x 1,2 b 1 a j. = b j + x 1,j b x j 1,j b j 1. a k = b k + x 1,k b x k 1,k b k 1 forman un conjunto ortogonal. Sea B la matriz cuya columna i es el vector b i, y sea X la matriz k k triangular superior unitaria cuyo elemento (i, j) es x i,j entonces: Si se define la matriz D como y como entonces A = BX D = diag ( b 1 1, b 2 1,..., b k 1), E = diag ( b 1, b 2,..., b k ) Q = BD y R = EX A = QR es una factorización de A en dos matrices: la primera formada por columnas que son ortonormales y la segunda triangular superior con elementos de la diagonal principal positivos. Esta factorización se conoce como la factorización QR de A y es muy importante en métodos numéricos. Ejemplo 7 Determine la factorización QR de la matriz: A =

18 Solución: Trabajemos con las columnas de A: a 1 = (1, 1, 1, 1, 1, 1), a 2 = (1, 2, 3, 4, 5, 6) Así: Calculando: Obtenemos: Y así: Calculando: Por tanto b 1 = a 1 b 1 b 1 = 6 y a 2 b 1 = 21 x 12 = 7/2 b 2 = a 2 x 12 b 1 = ( 5/2, 3/2, 1/2, 1/2, 3/2, 5/2) Q = [b 1,b 2 D = R = Q = [ /2 70 b 2 b 2 = 35/2 1 5/2 1 3/2 1 1/2 1 1/2 1 3/2 1 5/2 1/6 6 1/ /6 6 3/ /6 6 1/ /6 6 1/ /6 6 3/ /6 6 1/14 70 [ 1 x [ 6/ /35 [ 6 7 = Ejercicio 23 Determine la factorización QR de la matriz: A = Aplicación de la factorización QR Teorema 8.10 Si A es una matriz cuyas columnas son linealmente independientes y si A = QR es una factorización QR de A. Entonces la única solución x de Ax = b por mínimos cuadrados se expresa teóricamente como x = R 1 Q T b 18

19 Ejemplo 8 Aplique la factorización QR para resolver por mínimos cuadrados el sistema: x = Solución Por el ejemplo anterior, la factorización de la matriz de coeficientes es: 1/6 6 1/ /6 6 3/ /6 6 1/70 70 A = QR = 1/6 6 1/70 [ /6 6 3/ /6 6 1/14 70 Siguiendo la estrategia descrita en el último resultado la solución por el método de mínimos cuadrados se calcula por la fórmula: x = R 1 Q T b y Así y por tanto, Ejercicio 24 [ Q T = 1/6 6 1/6 6 1/6 6 1/6 6 1/6 6 1/6 6 1/ / / / / /14 70 R 1 = [ 1/6 6 1/ /35 70 x = R 1 Q T b = [ Aplique la factorización QR para resolver por mínimos cuadrados el sistema: x = Uso de la TI La calculadora TI 89 o TI Voyage 200 puede ser utilizada para la factorización QR. La ventaja de la rutina numérica programada es que da información sobre el espacio nulo de la matriz de entrada cuando las columnas de la matriz no son linealmente independientes. Considere por ejemplo la matriz [ 1 2 A = 2 4 Las figuras 3 y 4 muestran la entrada y los cálculos en la TI. El punto a señalar es que habiendo ceros en la diagonal de R se indica que los vectores correspondientes en Q están en el espacio nulo de la matriz A. De

20 Figura 3: Descomposición QR de A en la TI. Figura 4: La naturaleza de los ceros en la diagonal de R. hecho, todos los vectores correspondientes a ceros en la diagonal de R forman la base para el espacio nulo de A. Ejemplo 9 Determine la distancia de P(0, 2, 1) al espacio que generan los vectores: v 1 = 2 3 1,v 2 = Con los vectores v 1 y v 2 formamos la matriz A a la cual le aplicamos la factorización QR: A = [v 1 v 2 = QR = 1/ / / / / / [ 14 5/ / De donde los coeficientes de Fourier del vector que representa a P,v =< 0, 2, 1 > son: ( ) [v Q = Q T 1 v = y de allí que la proyección de v a C(A) es: v C(A) = Q [v Q = Por tanto, la distancia de v a C(A) es d(v, C(A)) = v v C(A) = =

21 Ejemplo 10 Determine la distancia de P(0, 2, 1, 1) al conjunto de soluciones del sistema [ x 1 ( ) Bx = x x 3 = 0 x 4 Este problema se resuelve como el anterior, pero debemos encontrar un conjunto generador. Para ello tenemos dos alternativas: o seguir el proceso descrito en lecturas anteriores o calcular lo que se conoce como el espacio nulo de B: Aquellos vectores x tal que Bx = 0. En general, los conjuntos generadores obtenidos por ambos procesos son diferentes pero ambos son base para el mismo conjunto. Si utilizamos la alternativa del espacio nulo tenemos: nullspace(b) = Gen Así el problema se ha transformado en encontrar la distancia de P(= v) a C(A) donde A es la matriz cuyas columnas son el generador de nullspace(b). Se deja como ejercicio comprobar que: A = = QR = , /9 6 4/ /18 6 1/ / / / v C(A) = 43/65 19/65 47/65 14/65 d(v, C(A)) = 1/ [ / / Ejemplo 11 Determine la matriz X que mejor resuelve el sistema AX = B para A = 0 1, B = La factorización QR de A es A = QR = 1/2 2 1/ /3 6 1/2 2 1/6 6 [ 2 3/ /2 6 Por tanto, la matriz X que minimiza el error cuadrático es: [ X = R 1 Q B = /3 Y el error cometido con X es 25/3 21

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................

Más detalles

Espacios generados, dependencia lineal y bases

Espacios generados, dependencia lineal y bases Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................

Más detalles

Espacios vectoriales con producto interno

Espacios vectoriales con producto interno Capítulo 8 Espacios vectoriales con producto interno En este capítulo, se generalizarán las nociones geométricas de distancia y perpendicularidad, conocidas en R y en R 3, a otros espacios vectoriales.

Más detalles

Segundo de Bachillerato Geometría en el espacio

Segundo de Bachillerato Geometría en el espacio Segundo de Bachillerato Geometría en el espacio Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 204-205. Coordenadas de un vector En el conjunto de los vectores libres del espacio el concepto

Más detalles

Anexo 1: Demostraciones

Anexo 1: Demostraciones 75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:

Más detalles

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n. Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular

Más detalles

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una

Más detalles

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una

Más detalles

Matrices Invertibles y Elementos de Álgebra Matricial

Matrices Invertibles y Elementos de Álgebra Matricial Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices

Más detalles

Matrices: Conceptos y Operaciones Básicas

Matrices: Conceptos y Operaciones Básicas Matrices: Conceptos y Operaciones Básicas Departamento de Matemáticas, CCIR/ITESM 8 de septiembre de 010 Índice 111 Introducción 1 11 Matriz 1 113 Igualdad entre matrices 11 Matrices especiales 3 115 Suma

Más detalles

1. Cambios de base en R n.

1. Cambios de base en R n. er Curso de Ingeniero de Telecomunicación. Álgebra. Curso 8-9. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema 5. Cambios de Base. Aplicaciones Lineales. Teoría y Ejercicios Resueltos..

Más detalles

ÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente.

ÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente. ÁLGEBRA DE MATRICES Página 49 REFLEXIONA Y RESUELVE Elección de presidente Ayudándote de la tabla, estudia detalladamente los resultados de la votación, analiza algunas características de los participantes

Más detalles

Álgebra Lineal Ma1010

Álgebra Lineal Ma1010 Álgebra Lineal Ma1010 Mínimos Cuadrados Departamento de Matemáticas ITESM Mínimos Cuadrados Álgebra Lineal - p. 1/34 En esta sección veremos cómo se trabaja un sistema inconsistente. Esta situación es

Más detalles

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases. Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal

Más detalles

Capítulo 9 Vectores en el espacio

Capítulo 9 Vectores en el espacio Capítulo 9 Vectores en el espacio Introducción El concepto de vector es muy amplio y su aplicación se evidencia en los diferentes campos de las ciencias. En matemáticas, un vector es un elemento de una

Más detalles

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

Repaso de matrices, determinantes y sistemas de ecuaciones lineales Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento

Más detalles

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR} Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar

Más detalles

1. Producto escalar, métrica y norma asociada

1. Producto escalar, métrica y norma asociada 1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la

Más detalles

Tema 3. Espacios vectoriales

Tema 3. Espacios vectoriales Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición

Más detalles

Álgebra lineal y matricial

Álgebra lineal y matricial Capítulo Álgebra lineal y matricial.. Vectores y álgebra lineal Unconjuntodennúmerosreales(a,,a n )sepuederepresentar: como un punto en el espacio n-dimensional; como un vector con punto inicial el origen

Más detalles

Subespacios vectoriales en R n

Subespacios vectoriales en R n Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo

Más detalles

Tema 3: Producto escalar

Tema 3: Producto escalar Tema 3: Producto escalar 1 Definición de producto escalar Un producto escalar en un R-espacio vectorial V es una operación en la que se operan vectores y el resultado es un número real, y que verifica

Más detalles

Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012

Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012 Grupo: Matrícula: Nombre: Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 22. (pts) Sea A una matriz cuadrada. Indique validez a cada una de las siguientes

Más detalles

Valores propios y vectores propios

Valores propios y vectores propios Capítulo 6 Valores propios y vectores propios En este capítulo investigaremos qué propiedades son intrínsecas a una matriz, o su aplicación lineal asociada. Como veremos, el hecho de que existen muchas

Más detalles

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS 2 Í N D I C E CAPÍTULO MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES. MATRIZ. DEFINICIÓN 2. ALGUNOS

Más detalles

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R.

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R. ALGEBRA LINEAL Héctor Jairo Martínez R. Ana María Sanabria R. SEGUNDO SEMESTRE 8 Índice general. SISTEMAS DE ECUACIONES LINEALES.. Introducción................................................ Conceptos

Más detalles

Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V.

Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V. Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL x x x1 n θ y y ȳ1 n 1 n x1 n ȳ1 n Carlos Arce S. William Castillo E. Jorge González V. 2003 Algebra Lineal Carlos Arce S., William Castillo

Más detalles

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior. Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas

Más detalles

Vectores en el espacio

Vectores en el espacio Vectores en el espacio Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas

Más detalles

AXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES

AXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES AXIOMASDECUERPO(CAMPO) DELOSNÚMEROSREALES Ejemplo: 6 INECUACIONES 15 VA11) x y x y. VA12) x y x y. Las demostraciones de muchas de estas propiedades son evidentes de la definición. Otras se demostrarán

Más detalles

Sección 4.5: Transformaciones del plano y del espacio. Sección 4.6: Problema de mínimos cuadrados y aplicaciones.

Sección 4.5: Transformaciones del plano y del espacio. Sección 4.6: Problema de mínimos cuadrados y aplicaciones. Tema 4 Producto escalar En bachiller habéis visto los conceptos de producto escalar, longitud, distancia y perpendicularidad en R y R 3 En este tema del curso se generalizan estos conceptos a R n, junto

Más detalles

Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo

Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo POLINOMIOS 1.1. DEFINICIONES Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo p(x) = a i x i = a 0 + a 1 x + a 2 x 2 + + a n x n + ; a i, x K; n N

Más detalles

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

Formas bilineales y cuadráticas.

Formas bilineales y cuadráticas. Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos

Más detalles

4 APLICACIONES LINEALES. DIAGONALIZACIÓN

4 APLICACIONES LINEALES. DIAGONALIZACIÓN 4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos

Más detalles

Estructuras algebraicas

Estructuras algebraicas Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota

Más detalles

Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos.

Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Prof. D. Miguel Ángel García Hoyo. Septiembre de 2011 Dependencia lineal

Más detalles

Espacios vectoriales y aplicaciones lineales

Espacios vectoriales y aplicaciones lineales Capítulo 3 Espacios vectoriales y aplicaciones lineales 3.1 Espacios vectoriales. Aplicaciones lineales Definición 3.1 Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea K un

Más detalles

Ortogonalidad y Series de Fourier

Ortogonalidad y Series de Fourier Capítulo 4 Ortogonalidad y Series de Fourier El adjetivo ortogonal proviene del griego orthos (recto) y gonia (ángulo). Este denota entonces la perpendicularidad entre dos elementos: dos calles que se

Más detalles

(x + y) + z = x + (y + z), x, y, z R N.

(x + y) + z = x + (y + z), x, y, z R N. TEMA 1: EL ESPACIO R N ÍNDICE 1. El espacio vectorial R N 1 2. El producto escalar euclídeo 2 3. Norma y distancia en R N 4 4. Ángulo y ortogonalidad en R N 6 5. Topología en R N 7 6. Nociones topológicas

Más detalles

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario) Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES

Más detalles

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires Fascículo 2 Cursos de grado ISSN 1851-1317 Gabriela Jeronimo Juan Sabia Susana Tesauri Álgebra Lineal Departamento de Matemática Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 2008

Más detalles

Curso de Procesamiento Digital de Imágenes

Curso de Procesamiento Digital de Imágenes Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx

Más detalles

VECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.

VECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define. VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman

Más detalles

Tema 4.- El espacio vectorial R n.

Tema 4.- El espacio vectorial R n. Tema 4- El espacio vectorial R n Subespacios vectoriales de R n Bases de un subespacio Rango de una matriz 4 Bases de R n Cambios de base 5 Ejercicios En este tema estudiamos la estructura vectorial del

Más detalles

Espacios vectoriales. Bases. Coordenadas

Espacios vectoriales. Bases. Coordenadas Capítulo 5 Espacios vectoriales. Bases. Coordenadas OPERACIONES ENR n Recordemos que el producto cartesiano de dos conjuntos A y B consiste en los pares ordenados (a,b) tales que a A y b B. Cuando consideramos

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

Matrices invertibles. La inversa de una matriz

Matrices invertibles. La inversa de una matriz Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad

Más detalles

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes.

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes. VECTORES EN EL ESPACIO. Determina el valor de t para que los vectores de coordenadas (,, t), 0, t, t) y(, 2, t) sean linealmente dependientes. Si son linealmente dependientes, uno de ellos, se podrá expresar

Más detalles

Tema 2. Aplicaciones lineales y matrices.

Tema 2. Aplicaciones lineales y matrices. Tema 2 Aplicaciones lineales y matrices. 1 Índice general 2. Aplicaciones lineales y matrices. 1 2.1. Introducción....................................... 2 2.2. Espacio Vectorial.....................................

Más detalles

Sistemas de vectores deslizantes

Sistemas de vectores deslizantes Capítulo 1 Sistemas de vectores deslizantes 1.1. Vectores. Álgebra vectorial. En Física, se denomina magnitud fsica (o simplemente, magnitud) a todo aquello que es susceptible de ser cuantificado o medido

Más detalles

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases. BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades

Más detalles

ÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN. Apuntes de. para la titulación de

ÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN. Apuntes de. para la titulación de E.T.S. DE INGENIERÍA INFORMÁTICA Apuntes de ÁLGEBRA LINEAL para la titulación de INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN Fco. Javier Cobos Gavala Amparo Osuna Lucena Rafael Robles Arias Beatriz Silva

Más detalles

E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid. Grado en Ingeniería en Tecnologías Industriales. Grado en Ingeniería Química

E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid. Grado en Ingeniería en Tecnologías Industriales. Grado en Ingeniería Química E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid Grado en Ingeniería en Tecnologías Industriales Grado en Ingeniería Química Apuntes de Álgebra ( Curso 2014/15) Departamento de Matemática

Más detalles

INTRO. VECTORES. NÚM. COMPLEJOS

INTRO. VECTORES. NÚM. COMPLEJOS INTRO. VECTORES. NÚM. COMPLEJOS El presente tema se dedicará al estudio de los conceptos de vectores y números complejos. Se comenzará con un pequeño estudio de los vectores del plano y sus propiedades

Más detalles

Definición de vectores

Definición de vectores Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre

Más detalles

MATRICES Y DETERMINANTES

MATRICES Y DETERMINANTES Capítulo 6 MATRICES Y DETERMINANTES 6.. Introducción Las matrices y los determinantes son herramientas del álgebra que facilitan el ordenamiento de datos, así como su manejo. Los conceptos de matriz y

Más detalles

Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx

Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad

Más detalles

Tema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO)

Tema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO) Vectores Tema. VECTORES (EN EL PLANO Y EN EL ESPACIO Definición de espacio vectorial Un conjunto E es un espacio vectorial si en él se definen dos operaciones, una interna (suma y otra externa (producto

Más detalles

Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : , y los vectores

Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : , y los vectores FASÍCULO: ESPACIOS CON PRODUCTO INTERNO Teorema. Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : i) ii) iii) iv) Ejemplo: Sean el espacio vectorial con el producto interno definido

Más detalles

Espacios vectoriales

Espacios vectoriales Espacios vectoriales Problemas teóricos Muchos de estos problemas me los han enseñado mis colegas: profesores Flor de María Correa Romero, Carlos Domínguez Albino, Sergio González Govea, Myriam Rosalía

Más detalles

PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.

PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2. PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.

Más detalles

Clase 15 Espacios vectoriales Álgebra Lineal

Clase 15 Espacios vectoriales Álgebra Lineal Espacios vectoriales Clase 5 Espacios vectoriales Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia En esta sección estudiaremos uno de los conceptos

Más detalles

Polinomios y Ecuaciones

Polinomios y Ecuaciones Ejercicios de Cálculo 0 Prof. María D. Ferrer G. Polinomios y Ecuaciones.. Polinomios: Un polinomio o función polinómica es una epresión de la forma: n n n P a a a a a a = n + n + n + + + + 0 () Los números

Más detalles

Objetivos: Al inalizar la unidad, el alumno:

Objetivos: Al inalizar la unidad, el alumno: Unidad 3 espacios vectoriales Objetivos: Al inalizar la unidad, el alumno: Describirá las características de un espacio vectorial. Identiicará las propiedades de los subespacios vectoriales. Ejempliicará

Más detalles

Vectores y Valores Propios

Vectores y Valores Propios Capítulo 11 Vectores y Valores Propios Las ideas de vector y valor propio constituyen conceptos centrales del álgebra lineal y resultan una valiosa herramienta en la solución de numerosos problemas de

Más detalles

ÁLGEBRA LINEAL. Apuntes elaborados por. Juan González-Meneses López. Curso 2008/2009. Departamento de Álgebra. Universidad de Sevilla.

ÁLGEBRA LINEAL. Apuntes elaborados por. Juan González-Meneses López. Curso 2008/2009. Departamento de Álgebra. Universidad de Sevilla. ÁLGEBRA LINEAL Apuntes elaborados por Juan González-Meneses López. Curso 2008/2009 Departamento de Álgebra. Universidad de Sevilla. Índice general Tema 1. Matrices. Determinantes. Sistemas de ecuaciones

Más detalles

Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0.

Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0. NÚMEROS COMPLEJOS. INTRO. ( I ) Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0. Si bien esto no era un problema

Más detalles

Clasificación de métricas.

Clasificación de métricas. Clasificación de métricas. 1. El problema de clasificación. Como bien sabemos, el par formado por una métrica T 2 (esto es, un tensor 2-covariante simétrico) sobre un espacio vectorial E, (E, T 2 ), constituye

Más detalles

ESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN

ESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN Tema 5.- ESPACIOS VECTORIALES ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN ESPACIO VECTORIAL Fundamentos Matemáticosde la Ingeniería 1 Aunque históricamente el primer trabajo de Álgebra

Más detalles

Espacio afín. Transformaciones afines y movimientos

Espacio afín. Transformaciones afines y movimientos Capítulo Espacio afín. Transformaciones afines y movimientos. Espacio afín y espacio afín métrico Definición. El espacio afín (tridimensional) está constituido por los siguientes elementos. El espacio

Más detalles

Álgebra y Trigonometría CNM-108

Álgebra y Trigonometría CNM-108 Álgebra y Trigonometría CNM-108 Clase 2 Ecuaciones, desigualdades y funciones Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción

Más detalles

CAPÍTULO II. 5 El grupo ortogonal

CAPÍTULO II. 5 El grupo ortogonal CAPÍTULO II 5 El grupo ortogonal Desde el punto de vista afín, no existen discriminaciones entre el sistema de referencia canónico y otro sistema de referencia arbitrario. Ello se debe a que uno puede

Más detalles

VECTORES EN EL PLANO

VECTORES EN EL PLANO VECTORES EN EL PLANO VECTOR: vectores libres Segmento orientado, con un origen y extremo. Módulo: es la longitud del segmento orientado, es un número positivo y su símbolo es a Dirección: es la recta que

Más detalles

TEMA 4: CALCULO NUMERICO DE AUTOVALORES

TEMA 4: CALCULO NUMERICO DE AUTOVALORES Lino Alvarez - Aurea Martinez METODOS NUMERICOS TEMA 4: CALCULO NUMERICO DE AUTOVALORES 1 INTRODUCCION La determinación de autovalores y autovectores de una matriz cuadrada A de orden n es un problema

Más detalles

APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO

APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO ÍNDICE VECTORES EN EL PLANO... 3 Vector Fijo... 3 VECTOR LIBRE... 3 Operaciones con Vectores... 3 Suma de vectores... 3 Producto de un número por

Más detalles

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere

Más detalles

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades: Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales

Más detalles

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Ejercicio 1 Escribe las siguientes matrices en forma normal de Hermite: 2 4 3 1 2 3 2 4 3 1 2 3 1. 1 2 3 2. 2 1 1 3. 1 2 3 4. 2

Más detalles

3.1 DEFINICIÓN. Figura Nº 1. Vector

3.1 DEFINICIÓN. Figura Nº 1. Vector 3.1 DEFINICIÓN Un vector (A) una magnitud física caracterizable mediante un módulo y una dirección (u orientación) en el espacio. Todo vector debe tener un origen marcado (M) con un punto y un final marcado

Más detalles

euresti@itesm.mx Matemáticas

euresti@itesm.mx Matemáticas al Método al Método Matemáticas al Método En esta lectura daremos una introducción al método desarrollado por George Bernard Dantzig (8 de noviembre de 1914-13 de mayo de 2005) en 1947. Este método se

Más detalles

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental

Más detalles

Problemas Resueltos de Desigualdades y Programación Lineal

Problemas Resueltos de Desigualdades y Programación Lineal Universidad de Sonora División de Ciencias Exactas y Naturales Departamento de Matemáticas. Problemas Resueltos de Desigualdades y Programación Lineal Para el curso de Cálculo Diferencial de Químico Biólogo

Más detalles

Elementos de álgebra vectorial

Elementos de álgebra vectorial Hier auf glatten Felsenwegen laufe ich tanzend dir entgegen, tanzend wie Du pfeifst und singst : der Du ohne Schiff und Ruder, als der Freiheit frei ster Bruder ueber wilde Meere springst. Friedrich Nietzsche

Más detalles

1. Examen 21/Junio/1994. Para la inversión de una matriz cuadrada A de orden n n, cuya inversa existe, se ha definido la siguiente iteración

1. Examen 21/Junio/1994. Para la inversión de una matriz cuadrada A de orden n n, cuya inversa existe, se ha definido la siguiente iteración CAPÍTULO 5 EJERCICIOS RESUELTOS: MÉTODOS ITERATIVOS PARA ECUACIONES LINEALES Ejercicios resueltos 1 1. Examen 21/Junio/1994. Para la inversión de una matriz cuadrada A de orden n n cuya inversa existe

Más detalles

Unidad 4: Vectores. 4.1 Introducción. 4.2 Vectores: enfoque geométrico

Unidad 4: Vectores. 4.1 Introducción. 4.2 Vectores: enfoque geométrico Unidad 4: Vectores 4.1 Introducción En este capítulo daremos el concepto de vector, el cual es una herramienta fundamental tanto para la física como para la matemática. La historia de los vectores se remonta

Más detalles

DESIGUALDADES E INECUACIONES

DESIGUALDADES E INECUACIONES DESIGUALDAD DESIGUALDADES E INECUACIONES Para hablar de la NO IGUALDAD podemos utilizar varios términos o palabras. Como son: distinto y desigual. El término "DISTINTO" (signo ), no tiene apenas importancia

Más detalles

TEMA 6. EIGENVALORES Y EIGENVECTORES

TEMA 6. EIGENVALORES Y EIGENVECTORES TEMA 6. EIGENVALORES Y EIGENVECTORES M. C. Roberto Rosales Flores INSTITUTO TECNOLÓGICO SUPERIOR DE TLAXCO Ingeniería en Logística M. C. Roberto Rosales Flores (ITST TEMA 6. EIGENVALORES Y EIGENVECTORES

Más detalles

CAPÍTULO II. 2 El espacio vectorial R n

CAPÍTULO II. 2 El espacio vectorial R n CAPÍTULO II 2 El espacio vectorial R n A una n upla (x 1, x 2,..., x n ) de números reales se le denomina vector de n coordenadas o, simplemente, vector. Por ejemplo, el par ( 3, 2) es un vector de R 2,

Más detalles

1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS

1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1 1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1.1. ESPACIOS VECTORIALES 1. Analizar cuáles de los siguientes subconjuntos de R 3 son subespacios vectoriales. a) A = {(2x, x, 7x)/x R} El conjunto A es una

Más detalles

E 1 E 2 E 2 E 3 E 4 E 5 2E 4

E 1 E 2 E 2 E 3 E 4 E 5 2E 4 Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),

Más detalles

Aplicaciones lineales

Aplicaciones lineales Capítulo 4 Aplicaciones lineales 4.1. Introduccción a las aplicaciones lineales En el capítulo anterior encontramos la aplicación de coordenadas x [x] B que asignaba, dada una base del espacio vectorial,

Más detalles

SISTEMAS DE ECUACIONES LINEALES

SISTEMAS DE ECUACIONES LINEALES Capítulo 7 SISTEMAS DE ECUACIONES LINEALES 7.1. Introducción Se denomina ecuación lineal a aquella que tiene la forma de un polinomio de primer grado, es decir, las incógnitas no están elevadas a potencias,

Más detalles

ESTRUCTURAS ALGEBRAICAS

ESTRUCTURAS ALGEBRAICAS ESTRUCTURAS ALGEBRAICAS 1.1. LEY DE COMPOSICIÓN INTERNA Definición 1.1.1. Sea E un conjunto, se llama ley de composición interna en E si y sólo si a b = c E, a, b E. Observación 1.1.1. 1. también se llama

Más detalles

1.4.- D E S I G U A L D A D E S

1.4.- D E S I G U A L D A D E S 1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y

Más detalles

Apuntes de Álgebra Lineal

Apuntes de Álgebra Lineal Apuntes de Álgebra Lineal Mariano Echeverría Introducción al Curso El álgebra lineal se caracteriza por estudiar estructuras matemáticas en las que es posible tomar sumas entre distintos elementos de cierto

Más detalles

Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice

Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice 1 Polinomios Dedicaremos este apartado al repaso de los polinomios. Se define R[x] ={a 0 + a 1 x + a 2 x 2 +... +

Más detalles

1. ESPACIOS VECTORIALES

1. ESPACIOS VECTORIALES 1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,

Más detalles

CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES

CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES INECUACIONES NOTA IMPORTANTE: El signo de desigualdad de una inecuación puede ser,, < o >. Para las cuestiones teóricas que se desarrollan en esta unidad únicamente se utilizará la desigualdad >, siendo

Más detalles